阿基米德算法（Archimedes optimization algorithm）是一種最佳化算法，它受到阿基米德浮力定律的啟發。該算法在2020年被提出，主要模擬浮力定律，其中每個個體除了位置外，還具有密度、體積和加速度等屬性。通過調整個體的密度和體積來調節加速度，加速度和當前位置共同決定個體的新位置。算法流程包括在每次疊代中依次更新個體的密度、體積、加速度和位置，其中加速度和位置會根據疊代次數分階段更新。
以下是算法流程的詳細說明：
更新密度和體積：在算法疊代過程中，個體的密度和體積都趨向於全局最優個體的密度和體積。
階段1（TF<=0.5）：在这个阶段，个体的加速度是根据公式计算的，得到归一化后的加速度后，个体向随机个体移动一小步。如果新位置优于原位置，则移动到该位置，否则保持不动。
階段2（TF>0.5）：在第二階段，算法以全局最優位置為起點，向自身移動一段距離。得到新位置後，如果新位置優於原位置則移動到該位置，否則保持不動。
貪心步驟：在階段1和階段2後，算法添加貪心步驟，保證當前位置不差於之前的位置。如果某個個體優於全局最優，除了記錄其位置作為新的最優位置外，還需要額外記錄該個體的密度、體積和加速度，以便下次疊代的階段2使用。
阿基米德算法的特點是通過模擬浮力定律的物理現象來尋找最佳化問題的解，其創新之處在於利用了物理世界的自然現象來設計最佳化算法。